Fugu-MT 論文翻訳(概要): Automated Coastline Extraction Using Edge Detection Algorithms

論文の概要: Automated Coastline Extraction Using Edge Detection Algorithms

arxiv url: http://arxiv.org/abs/2405.11494v1
Date: Sun, 19 May 2024 09:25:55 GMT
ステータス: 処理完了
システム内更新日: 2024-05-21 17:18:28.095685
Title: Automated Coastline Extraction Using Edge Detection Algorithms
Title（参考訳）: エッジ検出アルゴリズムを用いた海岸線の自動抽出
Authors: Conor O'Sullivan, Seamus Coveney, Xavier Monteys, Soumyabrata Dev,
Abstract要約: 衛星画像から海岸線を自動的に抽出するエッジ検出アルゴリズムの有効性を解析する。 Canny、Sobel、Scharr、Prewittの4つのアルゴリズムは視覚的に比較され、メトリクスを使用する。
参考スコア（独自算出の注目度）: 2.5311562666866494
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We analyse the effectiveness of edge detection algorithms for the purpose of automatically extracting coastlines from satellite images. Four algorithms - Canny, Sobel, Scharr and Prewitt are compared visually and using metrics. With an average SSIM of 0.8, Canny detected edges that were closest to the reference edges. However, the algorithm had difficulty distinguishing noisy edges, e.g. due to development, from coastline edges. In addition, histogram equalization and Gaussian blur were shown to improve the effectiveness of the edge detection algorithms by up to 1.5 and 1.6 times respectively.
Abstract（参考訳）: 衛星画像から海岸線を自動的に抽出するためのエッジ検出アルゴリズムの有効性を解析する。 Canny、Sobel、Scharr、Prewittの4つのアルゴリズムは視覚的に比較され、メトリクスを使用する。平均SSIMは0.8で、カニーは基準エッジに最も近いエッジを検出した。しかし、このアルゴリズムは、例えば海岸線エッジから発達のためにノイズの多いエッジを区別するのが困難であった。さらに, ヒストグラムの等化とガウスのぼかしにより, エッジ検出アルゴリズムの有効性を最大1.5倍, 1.6倍に向上させることを示した。

関連論文リスト

EDCSSM: Edge Detection with Convolutional State Space Model [3.649463841174485]
画像のエッジ検出は、コンピュータグラフィックスにおける多くの複雑なタスクの基礎となっている。多層畳み込みとプールアーキテクチャによる特徴損失のため、学習ベースのエッジ検出モデルは、しばしば厚いエッジを生成する。本稿では,上記の問題に効果的に対処するエッジ検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-09-03T05:13:25Z)
Learning the Positions in CountSketch [49.57951567374372]
本稿では,まずランダムなスケッチ行列に乗じてデータを圧縮し,最適化問題を高速に解くスケッチアルゴリズムについて検討する。本研究では,ゼロでないエントリの位置を最適化する学習ベースアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-06-11T07:28:35Z)
Linearized Wasserstein dimensionality reduction with approximation guarantees [65.16758672591365]
LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
論文参考訳（メタデータ） (2023-02-14T22:12:16Z)
Edge Tracing using Gaussian Process Regression [0.0]
ガウス過程回帰を用いた新しいエッジトレースアルゴリズムを提案する。我々のアプローチは、画像シーケンスのエッジを効率的に追跡する能力を持っている。医療画像や衛星画像への様々な応用が、この技術を検証するために用いられている。
論文参考訳（メタデータ） (2021-11-05T16:43:14Z)
Robust Edge-Direct Visual Odometry based on CNN edge detection and Shi-Tomasi corner optimization [4.382657892817714]
我々は,CNNエッジ検出とシトマシコーナー最適化に基づく頑健なエッジ指向型ビジュアルオドメトリー(VO)を提案する。提案手法では, フレーム間の移動誤差を低減するために, 画像からピラミッドの4層を抽出した。提案手法は,RGB-D TUMベンチマークを用いた高密度直接法,改良されたCannyエッジ検出法,ORB-SLAM2システムと比較した。
論文参考訳（メタデータ） (2021-10-21T11:22:34Z)
An automated threshold Edge Drawing algorithm [0.0]
自動しきい値選択ステップを含むエッジ描画アルゴリズムを提案する。提案した自動しきい値方式の利点を維持するために, 結果が提示される。
論文参考訳（メタデータ） (2021-10-11T09:53:18Z)
Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文参考訳（メタデータ） (2020-11-19T05:42:02Z)
Contour Integration using Graph-Cut and Non-Classical Receptive Field [4.935491924643742]
本稿では,他のアルゴリズムのエッジセグメントから画像の輪郭を検出する新しい手法を提案する。提案したエネルギー関数は、テクスチャノイズを抑制するのに役立つ一次視覚野の周囲変調にインスパイアされている。
論文参考訳（メタデータ） (2020-10-27T19:07:13Z)
Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文参考訳（メタデータ） (2020-08-05T19:29:35Z)
Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文参考訳（メタデータ） (2020-03-28T18:51:43Z)
Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。 SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
論文参考訳（メタデータ） (2020-02-11T14:04:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。